著作信息
何国良,代丽芳,余志文,陈俊龙:《GAN-Based Temporal Association Rule Mining on Multivariate Time Series Data》,载于《IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING》Volume:36 Issue:10 Page:5168-5180。
成果简介
近年来,随着物联网技术的快速发展,基于智能终端采集的多元时序数据进行人体行为识别成为当前的研究热点,在健康监测和医疗援助等领域具有广泛应用前景。为了提升识别性能和可解释性,面向多元时序数据的特征挖掘是一个挑战性工作。针对现有子序列特征提取方法忽略了不同变量特征间的时序关系、基于深度学习提取的特征缺乏可解释性等现象,本文提出了一种基于对抗式网络的时序关联规则挖掘方法,应用于人体行为识别。主要创新如下:
(1)设计一种基于对抗网络的特征挖掘方法,捕获多元时序数据的一般性特征和个性化特征。
(2)为了挖掘变量间的时间依赖性,提出一种基于时间图的规则挖掘方法发现不同变量特征间的时序关系。
(3)提出一种基于对抗网络的对抗训练策略,提高时序关联规则的有效性、稳定性和可解释性。
(4)提出一种基于卷积的快速相似性度量方法评价多元时序样本与时序关联规则间的匹配度,提高相似性度量性能和效率。
主要完成人简介
何国良,taptap点点星际争霸2信息工程学院教授、博士生导师,主要研究领域包括人工智能、数据挖掘、机器学习、智能信息处理和智能算法等,主持了国家重大专项和国家重大科学仪器设备开发专项子课题、国家自然科学基金项目、湖北省自然科学基金项目和其它研究开发型项目等多项科研项目,获国家科技进步奖二等奖和湖北省科技成果推广奖二等奖。
编辑丨李颖 郭东 祝畅
审核丨张今柯
终审丨李小平
公众号丨中南大科研
微信扫一扫关注该公众号
微信扫一扫可打开此内容,使用完整服务